1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung. Statistik und Wahrscheinlichkeitsrechnung
|
|
- Inken Fuhrmann
- vor 6 Jahren
- Abrufe
Transkript
1 1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung
2 2 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Stochastik Wahrscheinlichkeitsrechnung und Statistik sind eng miteinander verbunden und werden üblicherweise unter dem Namen Stochastik (Lehre von den zufälligen Prozessen) zusammengefasst.
3 3 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Teilgebiete der Statistik Deskriptive Statistik Darstellung von Daten Berechnung von Kenngrößen Induktive Statistik Stichprobenuntersuchungen Übertragung auf die Grundgesamtheit mit den Methoden der Wahrscheinlichkeitsrechnung 1. Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl.
4 4 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Teilgebiete der Statistik Deskriptive Statistik Darstellung von Daten Berechnung von Kenngrößen Induktive Statistik Stichprobenuntersuchungen Übertragung auf die Grundgesamtheit mit den Methoden der Wahrscheinlichkeitsrechnung 1. Qrtl. 2. Qrtl. 3. Qrtl. 4. Qrtl.
5 5 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Deskriptive Statistik Grundbegriffe
6 6 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Grundgesamtheit und Stichprobe Die Gruppe aller Untersuchungseinheiten, in denen Merkmale von Interesse sind, nennt man Grundgesamtheit (Population oder statistische Masse). Da man nicht alle Elemente der Population untersuchen kann, befasst man sich meistens mit einer Auswahl aus der Grundgesamtheit, einer Stichprobe. Die Abgrenzung einer statistischen Masse erfolgt über die Identifikationskriterien: - sachlich - räumlich - zeitlich z.b.: Einwohner in Münster 2014
7 7 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Grundgesamtheit und Stichprobe Die Elemente der untersuchten Stichprobe (z.b. Objekten, Personen oder Ereignissen) werden auch Merkmalsträger genannt. Die Merkmale, die verschiedene Ausprägungen annehmen, nennt man Variablen; die Merkmalsausprägungen selbst werden Variablenwerte oder Kategorien genannt. Merkmalsträger PKW PKW PKW PKW Merkmal (X) Navi Farbe Preis Motor Merkmalsausprägungen (x) ja / nein schwarz, weiß, rot, , Benzin, Diesel, Gas, Die Festlegung der Skala/Maßeinheiten für die Merkmalsausprägungen nennt man Skalierung.
8 8 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Skalenniveaus / Skalentypen Skalentyp Datenniveau Eigenschaft log./math. Operationen Mittelwert Beispiele geringstes Skalenniveau Informationsgehalt Nominalskala Ordinalskala Intervallskala Verhältnisskala (Rationalskala) nominal qualitativ, diskret ordinal qualitativ, diskret quantitativ, kardinal (metrisch), diskret oder stetig quantitativ, kardinal (metrisch), diskret oder stetig keine Rangordnung, Rangordnung (Abstände unbekannt) kein natürlicher Nullpunkt und keine natürliche Maßeinheit natürlicher Nullpunkt, aber keine natürliche Maßeinheit = / = / < / > = / < / > + / = / < / > + / / : Modalwert (Modus, häufigster Wert) Modalwert, Median Modalwert, Median, arithmetisches Mittel Modalwert, Median, arithmetisches, geometrisches Mittel Geschlecht (m/w), Kinder (ja/nein), Wohnsitz (Bonn, Rom, ) Dienstgrad, Apfel (süß,, sauer) Schulnoten stetig: Temperatur in Celsius, Kalenderzeit, diskret: Schulnoten* stetig: Temperatur in Kelvin, Längenmaß, diskret: Alter (in ganzen Jahre) höchstes Skalenniveau Absolutskala quantitativ, kardinal (metrisch), diskret natürlicher Nullpunkt und natürliche Maßeinheit = / < / > + / / : Modalwert, Median, arithmetisches, geometrisches Mittel Stückzahl an prod. PKW, Einwohnerzahl * unter Annahme gleicher Abstände zw. den Noten
9 9 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Skalentypen Übung Merkmal Skalentyp diskret / stetig Name Nominalskala diskret Geschlecht Alter Einkommen in Temperatur in Celsius Temperatur in Kelvin Schulnote Obstsorte Ränge bei einem Sportverein Nominalskala Verhältnisskala Verhältnisskala Intervallskala Verhältnisskala Ordinalskala * Nominalskala Ordinalskala diskret stetig diskret (nur ganze Cent) stetig stetig diskret diskret diskret Jahreszahlen Intervallskala diskret * unter Annahme gleicher Abstände zw. den Noten: Intervallskala
10 10 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Grundgesamtheit und Stichprobe Datengewinnung Primärerhebung / Primärstatistik Daten werden erstmalig / neu für die Untersuchung erhoben. Erhebungsmethoden: mündliche oder schriftliche Befragung, Beobachtungen, Experimente, elektronische / automatische Erfassung Sekundärerhebung Rückgriff auf vorhandene Daten
11 11 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Häufigkeitsverteilungen Nach einer Datenerhebung liegen die Messwerte eines Merkmals zunächst in Form einer sog. Urliste vor. In dieser Zahlenliste werden die Messwerte der einzelnen Untersuchungseinheiten hintereinander aufgelistet.
12 12 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Häufigkeitstabellen quantitativ diskrete Merkmale Personenzahl pro Haushalt absolute Häufigkeit relative Häufigkeit kumulierte relative Häufigkeit (Verteilungsfunktion) ,2% 7,2% ,9% 37,1% ,7% 77,8% ,6% 93,4% ,8% 98,2% 6 und mehr 30 1,8% 100,0% Summe ,0%
13 13 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Häufigkeitstabellen quantitativ diskrete Merkmale Personenzahl pro Haushalt absolute Häufigkeit relative Häufigkeit kumulierte relative Häufigkeit (Verteilungsfunktion) arith. Mittel ,0% 43,0% 0, ,0% 79,0% 0, ,0% 93,0% 0, ,0% 99,0% 0, ,0% 100,0% 0,05 Summe ,0% 1,86
14 14 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Häufigkeitstabellen quantitativ stetiger Merkmale werden zu Klassen zusammengefasst Körpergröße in m absolute Verteilungsfunktion relative Häufigkeit Häufigkeit über 1,4-1, ,5% 4,5% über 1,5-1, ,1% 10,6% über 1,6-1, ,6% 31,2% über 1,7-1, ,1% 60,3% über 1,8-1, ,0% 90,3% über 1,9-2, ,7% 100,0% Summe ,0%
15 15 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Häufigkeitstabellen die Häufigkeitsdichte ist definiert als die relative Häufigkeit geteilt durch die Klassenbreite (hier 0,1) Körpergröße absolute Verteilungsfunktion relative Häufigkeit Häufigkeit Häufigkeitsdichte über 1,4-1, ,5% 4,5% 0,45 über 1,5-1, ,1% 10,6% 0,61 über 1,6-1, ,6% 31,2% 2,06 über 1,7-1, ,1% 60,3% 2,91 über 1,8-1, ,0% 90,3% 3,00 über 1,9-2, ,7% 100,0% 0,97 Summe ,0%
16 16 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Häufigkeitstabellen Übung Preis pro kg absolute relative Verteilungsfunktiodichte Häufigkeits- Häufigkeit Häufigkeit über 1,00-1, ,3% 14,3% 0,71 über 1,20-1, ,4% 25,7% 1,14 über 1,30-1, ,7% 41,4% 1,57 über 1,40-1, ,0% 61,4% 1,00 über 1,60-1, ,1% 78,6% 0,86 über 1,80-2, ,4% 100,0% 0,54 Summe ,0%
17 17 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 1 a) Nationalität nominal b) Geschlecht nominal c) Postleitzahl nominal d) Größe rational / stetig e) Gewicht rational / stetig f) Alter rational / stetig g) Kinderzahl rational / diskret h) Militärdienstgrad ordinal i) Rangplatz im Schachverein ordinal j) Körpertemperatur intervall / stetig
18 18 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 2 a) Einkommen von alleinlebenden Erwerbspersonen im Jahr es fehlt die räumliche Abgrenzung! b) Verkehrsunfälle im Saarland am o.k. c) Familienstand der erwachsenen Einwohner in Münster. es fehlt die zeitliche Abgrenzung!
19 19 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe Motoren eines bestimmten Typs weisen folgende Lebensdauerverteilung auf: Lebensdauer (in Jahren) Anzahl (der Motoren) bis 2 40 über 2 bis über 4 bis über 6 bis über 8 bis maximal a) Wieviele Motoren haben eine Lebensdauer von höchstens 3,5 Jahren? b) Bestimmen Sie den Anteil der Motoren mit einer Lebensdauer von über 5 Jahren. c) Wieviele Motoren haben eine normale Lebensdauer (zwischen 3 und 7 Jahren)? a) Wieviele Motoren haben eine Lebensdauer von höchstens 3,5 Jahren? = 250 b) Bestimmen Sie den Anteil der Motoren mit einer Lebensdauer von über 5 Jahren = % c) Wieviele Motoren haben eine normale Lebensdauer (zwischen 3 und 7 Jahren)? = 650
20 20 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 4 Eine statistische Untersuchung hat folgende rationalskalierten Merkmalsausprägungen der betrachten Einheiten ergeben: 4, 4, 5, 5, 3, 8, 7, 7, 8, 4, 5, 5, 4, 6, 8, 6, 4, 5, 5, 4. Erstellen Sie eine Häufigkeitstabelle Merkmalsausprägung Absolute Häufigkeit Relative Häufigkeit Relative Summenhäufigkeit 3 1 5% 5% % 35% % 65% % 75% % 85% % 100% Summe %
21 21 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Verteilungsmaße Lagemaße geben einen Mittelwert der Merkmalswerte an Streuungsmaße geben die Abweichung vom Lageparameter an
22 22 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Verteilungsmaße Lageparameter Median (Zentralwert) Modus (Modalwert) arithmetisches Mittel Streuungsparameter Spannweite Varianz Standardabweichung Variationskoeffizient
23 23 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Median Bei einer gruppierten Verteilung nimmt im Median die Verteilungsfunktion den Wert 50 % an. Median Körpergröße absolute Häufigkeit relative Häufigkeit Verteilungsfunktion über 1,4-1, ,5% 4,5% über 1,5-1, ,1% 10,6% über 1,6-1, ,6% 31,2% über 1,7-1, ,1% 60,3% über 1,8-1, ,0% 90,3% über 1,9-2, ,7% 100,0% Summe ,0%
24 24 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Median Übung Gewicht absolute Häufigkeit über über über über über über Summe relative Häufigkeit Verteilungsfunktion
25 25 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Median Übung Median Gewicht absolute relative Verteilungsfunktion Häufigkeit Häufigkeit über ,7% 5,7% über ,6% 14,3% über ,0% 42,3% über ,4% 69,7% über ,4% 91,1% über ,9% 100,0% Summe ,0%
26 26 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Modus oder Modalwert Bei einer stetigen und damit gruppierten Verteilung ist der Modalwert als die Mitte der Klasse mit der größten Häufigkeitsdichte definiert. Körpergröße absolute relative Verteilungsfunktiodichte Häufigkeits- Häufigkeit Häufigkeit über 1,4-1, ,5% 4,5% 0,45 über 1,5-1, ,1% 10,6% 0,61 über 1,6-1, ,6% 31,2% 2,06 über 1,7-1, ,1% 60,3% 2,91 über 1,8-1, ,0% 90,3% 3,00 über 1,9-2, ,7% 100,0% 0,97 Summe ,0% 1,85
27 27 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Modus oder Modalwert Übung Körpergröße absolute Häufigkeit über 1,3-1,5 300 über 1,5-1,6 400 über 1,6-1,7 800 über 1,7-1,8 700 über 1,8-2,0 900 über 2,0-2,3 400 Summe 3500 relative Häufigkeit Verteilungsfunktion Häufigkeitsdichte
28 28 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Modus oder Modalwert Übung Körpergröße absolute relative Verteilungsfunktiodichte Häufigkeits- Häufigkeit Häufigkeit über 1,3-1, ,6% 8,6% 0,43 über 1,5-1, ,4% 20,0% 1,14 über 1,6-1, ,9% 42,9% 2,29 über 1,7-1, ,0% 62,9% 2,00 über 1,8-2, ,7% 88,6% 1,29 über 2,0-2, ,4% 100,0% 0,38 Summe ,0% 1,65
29 29 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Arithmetisches Mittel Bei gruppierten Daten berechnet man das gewogene arithmetische Mittel aus den jeweiligen Klassenmitten, wobei die Gewichte durch die relativen Häufigkeiten bestimmt werden. Körpergröße absolute Häufigkeit relative Häufigkeit arithmetisches Mittel über 1,4-1, ,5% 0,066 über 1,5-1, ,1% 0,094 über 1,6-1, ,6% 0,340 über 1,7-1, ,1% 0,509 über 1,8-1, ,0% 0,555 über 1,9-2, ,7% 0,189 Summe ,0% 1,753
30 30 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Verteilungsmaßzahlen Lageparameter Median Modus arithmetisches Mittel Streuungsparameter Spannweite Varianz Standardabweichung Variationskoeffizient
31 31 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 5 a) Ermitteln Sie Modus, Median und arithmetisches Mittel für die Daten aus Aufgabe 3 und Aufgabe 4. Lebensdauer absolute Häufigkeit relative Häufigkeit Verteilungsfunktion Häufigkeitsdichte Modus Median ar. Mittel bis ,0% 4,0% 0,02 0,04 über 2 bis ,0% 32,0% 0,14 0,84 über 4 bis ,0% 72,0% 0,20 5,00 5,00 2,00 über 6 bis ,0% 94,0% 0,11 1,54 über 8 bis ,0% 100,0% 0,03 0,54 Summe ,0% 4,96
32 32 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 5 b) Werte Werte sort. Modus Median ar. Mittel und ,35
33 33 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 6) Aufgabe Ein 6 PKW fährt auf der Hinreise konstant mit 120 km/h, auf der Rückreise (gleiche Strecke) konstant mit 80 km/h. Lösung: 96 km/h und zwar für jede beliebige Strecke! Beispiel: Die (einzelne) Strecke beträgt 1200 km. Dann benötigt der PKW für die Hinfahrt 10 Stunden, für die Rückfahrt 15 Stunden. Insgesamt also 25 Stunden für km. Das entspricht einer Durchschnittsgeschwindigkeit von 96 km/h. x [km] v [km/h] t *x/(x/120 + x/80) 96 2x x/120+x/80
34 34 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 7) Berechnen Sie die Varianz für folgende Altersverteilung: 20, 25, 40, 35, 30, 29, 31, 26, 30, 34. Wert 1 Wert 2 Wert 3 Wert 4 Wert 5 Wert 6 Wert 7 Wert 8 Wert 9 Wert 10 Mittel Summe Varianz Abweichung zum Quadrat Varianz 28,4
35 35 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 8 Gegeben seien die folgenden Einzelwerte: 5, 3, 2, 1, 1, 2, 2, 4, 5, 3. a) Bestimmen Sie Modus, Median und arithmetisches Mittel. b) Bestimmen Sie Spannweite, Varianz, Standardabweichung und Variationskoeffizient. Wert 1 Wert 2 Wert 3 Wert 4 Wert 5 Wert 6 Wert 7 Wert 8 Wert 9 Wert 10 Mittel Summe Varianz ,8 Abweichung 2,2 0,2-0,8-1,8-1,8-0,8-0,8 1,2 2,2 0,2 zum Quadrat 4,84 0,04 0,64 3,24 3,24 0,64 0,64 1,44 4,84 0,04 19,6 Varianz 1,96 Standabw 1,4 Varkoeff. 0,5
36 36 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 8 Gegeben seien die folgenden Einzelwerte: 5, 3, 2, 1, 1, 2, 2, 4, 5, 3. a) Bestimmen Sie Modus, Median und arithmetisches Mittel. b) Bestimmen Sie Spannweite, Varianz, Standardabweichung und Variationskoeffizient. Modus 2 = Modalwert: häufigster Wert Median 2,5 Wert in der Mitte einer geordneten Reihe arithmetisches Mittel 2,8 Spannweite Spannweite = x max - x min Standardabweichung 1,400 Varianz 1,960 Variationskoeffizient 0,500 µ σ σ 2 = = VarK 1 n 1 n = i = 1 n n (x i= 1 σ µ x i i _ x) 2
37 37 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 9 Gegeben seien jeweils die folgenden 5 Einzelwerte: 1, 1, 2, 3, 4 sowie 100, 100, 200, 300, 400 a) Bestimmen Sie jeweils Modus, Median und arithmetisches Mittel. b) Bestimmen Sie jeweils Spannweite, Varianz, Standardabweichung und Variationskoeffizient.
38 38 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 9 Modus 1 = Modalwert: häufigster Wert Modus 100 = Modalwert: häufigster Wert Median 2 Wert in der Mitte einer geordneten Reihe arithmetisches Mittel 2,2 Spannweite 3 Spannweite = x max x min Standardabweichung 1,166 σ Varianz 1,36 Variationskoeffizient 0,5 µ σ 2 = 1 n i= 1 σ VarK = µ n x i i= 1 _ 2 1 n = (xi x) n Median 200 Wert in der Mitte einer geordneten Reihe arithmetisches Mitte 220 Spannweite 300 Spannweite = x max x min Standardabweichun 116,6 σ Varianz ,00 Variationskoeffizient 0,5 µ = 1 n n x i i= 1 n _ σ = (xi x) n i= 1 σ VarK = µ
39 39 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Mehrdimensionale Häufigkeitsverteilungen
40 40 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Mehrdimensionale Häufigkeitsverteilungen wie lässt sich der Zusammenhang zwischen Merkmalen durch eine Funktion beschreiben? wie stark ist der Zusammenhang? Regressionsrechnung Korrelationsrechnung
41 41 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Regressionsrechnung Eine Reihe von statistischen Einheiten ist durch zwei Merkmale, z.b. Absatzmenge und Verkaufspreis, gekennzeichnet. Da ein Zusammenhang nahe liegt, soll dieser durch eine - im einfachsten Fall lineare - Funktion beschrieben werden.
42 42 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Regressionsrechnung Grafisch bedeutet das, dass man eine Gerade sucht, die den gemessenen Werten möglichst nahe kommt, d.h. die Summe der Abweichungen von der Geraden soll minimiert werden. Preis Menge
43 43 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Regressionsrechnung Größere Abweichungen werden stärker gewichtet, da die Summe der Quadrate der Abweichungen minimiert wird, um vorzeichenwechselbedingte Neutralisationen der Abweichungen zu vermeiden. Preis Menge
44 44 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Korrelationsrechnung Der Korrelationskoeffizient gibt an, wie eng der Zusammenhang zwischen der berechneten Regressionsgeraden und den beobachteten Werten ist, indem er die Verteilung und den Abstand in Bezug auf die Regressionsgerade misst. Preis Menge
45 45 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Korrelationsrechnung Preis Der Korrelationskoeffizient beträgt bei exaktem negativem oder positivem linearen Zusammenhang -1 bzw. +1. Bei schwächerem Zusammenhang liegt er zwischen -1 und 0 bzw. 0 und +1. Bei 0 gibt es überhaupt keinen Zusammenhang (Korrelation) zwischen den untersuchten Parametern. II III I IV
46 46 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 1 Für sechs Monate liegen die Daten über den Hypothekenzinssatz X sowie über den saisonbereinigten Auftragseingang Y im Privatwohnungsbaugewerbe vor: Wer bauen will, braucht i.d.r. Fremdkapital. Je günstiger die Hypotheken-zinsen, desto günstiger ist die Finanzierung und desto mehr Bauvorhaben werden c.p. realisiert. b) Monat i Zinssatz x i Aufträge y i x i y i x i ² y i ² 1 6 3,0 18,0 36 9, ,2 16, , ,5 17,5 49 6, ,3 16,1 49 5, ,0 16,0 64 4, ,0 18,0 81 4,00 Summe 42 15,0 101, ,78 Regressionsfunktion: y = 4,88-0,34x Prognose: bei 4% ist 3,52, bei 7% ist 2,33 Mio. GE Auftragsvolumen zu erwarten.
47 47 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 2 Monat i Menge x i Kosten y i x i y i x i ² y i ² (in TME) (in TGE) Summe Kostenfunktion (Regressionsfunktion): K = ,91x
48 48 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung In der Regressionsrechnung geht es darum, eine Funktion zu bestimmen, die den zahlenmäßigen Zusammenhang zwischen zwei Merkmalen möglichst gut wiedergibt. Diese Funktion läßt sich für die Beobachtungswertepaare zweier quantitativer Merkmale immer berechnen, auch wenn der lineare Zusammenhang nur schwach oder gar nicht vorhanden ist. Sie gibt also keine Auskunft darüber, wie stark der statistische Zusammenhang ist. Genau darum geht es in der Korrelationsrechnung: der Korrelationskoeffizient ist ein Maß für die Stärke des linearen Zusammenhangs zweier quantitativer Merkmale.
49 49 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung
50 50 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Gegenstand der Wahrscheinlichkeitsrechnung ist die Untersuchung zufälliger Ereignisse mit den klassischen Annahmen: die Elementarereignisse schließen einander aus alle Elementarereignisse sind gleich möglich genau ein Elementarereignis tritt ein
51 51 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeit ist definiert als: Anzahl der günstigen Elementarereignisse P = Anzahl aller Elementarereignisse
52 52 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Tabellenform Alle Alternativen eines Zufallsexperiments werden aufgezeichnet Beispiel: zweimaliger Münzwurf (Kopf/Zahl) 1. Wurf K KK 2. Wurf KZ Z ZZ ZK
53 53 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Baumdiagramme Alle Alternativen eines Zufallsexperiments werden aufgezeichnet K Z K Z K Z K,K K,Z Z,K Z,Z
54 54 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Baumdiagramme Die Wahrscheinlichkeit eines Ereignisses ist gleich dem Produkt der Wahrscheinlichkeiten längs des zugehörigen Pfades. 0,5 K 0,5 0,25 K K,K K,Z Z K Z,K Z Z Z,Z Die Wahrscheinlichkeit für Kopf beim 1. und 2. Wurf ist: 0,5 x 0,5 = 0,25
55 55 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Baumdiagramme Die Wahrscheinlichkeit eines Ereignisses, das sich aus mehreren Pfaden zusammen setzt, ist gleich der Summe der einzelnen Pfadwahrscheinlichkeiten K 0,5 0,5 K Z K 0,5 Z 0,5 Z K,K K,Z Z,K Z,Z 0,25 0,25 Die Wahrscheinlichkeit für Kopf und Zahl ist: 0,25 + 0,25 = 0,5
56 56 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 1 Ein idealer Würfel wird geworfen. Wie hoch ist die Wahrscheinlichkeit, eine Augenzahl von a) genau 4 b) höher als 1 c) höchstens 3 zu erzielen? a) 1/6 b) 5/6 c) 3/6
57 57 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 2a) Zwei ideale Würfel werden geworfen. Wie hoch ist die Wahrscheinlichkeit, eine Augensumme von a) genau 8 b) mindestens 8 c) höchstens 8 zu erhalten? p = 5/36
58 58 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 2b) p = 15/36
59 59 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 2c) p = 26/36
60 60 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 3 Jemand bewirbt sich bei zwei Firmen (A und B). Die (unabhängigen) Wahrscheinlichkeiten dafür, angenommen zu werden, schätzt er bei A auf 0,5, bei B auf 0,6. Wie groß ist die Wahrscheinlichkeit, von wenigstens einer der beiden Firmen eine Zusage zu erhalten? nein ja 0,5 0,5 nein ja nein ja 0,4 0,6 0,4 0,6 0,2 0,3 0,2 0,3 p = 0,8
61 61 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 4a) Ein Vertreter kauft jedes Jahr ein neues Kraftfahrzeug. In Frage kommen für ihn nur die Typen A und B. Die Wahrscheinlichkeit, dass er im nächsten Jahr genau den gleichen Typ fährt, den er schon im Jahr zuvor fährt, liegt bei 0,7. Im Moment fährt er Typ A. Wie groß ist die Wahrscheinlichkeit, dass er a) im übernächsten Jahr ebenfalls Typ A fährt b) in drei Jahren Typ B fährt? A 0,7 0,3 A 0,7 0,3 B A B 0,3 0,7 B 0,49 0,21 0,09 0,21 p = 0,58
62 62 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 4b) A B 0,7 0,3 A B 0,7 0,3 A B 0,7 0,3 A B 0,3 0,7 A B 0,7 0,3 A B 0,3 0,7 A B 0,3 0,7 0,343 0,147 0,063 0,147 0,063 0,027 0,063 0,147 p = 0,468
63 63 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 5a) w In einer Urne befinden sich zwei weiße, zwei schwarze und zwei rote Kugeln. Es werden nacheinander drei Kugeln gezogen; jede einzelne gezogene Kugel wird nach dem Ziehen sofort wieder in die Urne zurückgelegt. Wie hoch ist die Wahrscheinlichkeit dafür, a) drei schwarze Kugeln, w s r s r w s r w s r 1/3 1/3 w s r w s r w s r w s r w s r w s r w s r w s r w s r 1/3 p = 1/27
64 64 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 5b) b) zwei schwarze und eine weiße Kugel, w w w s r s r w s r w s r s r w s r w s r w s r w s r w s r w s r w s r w s r 1/3 1/3 1/3 p = 3/27
65 65 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Aufgabe 5 c) eine schwarze, eine weiße und eine rote Kugel zu ziehen? w w w s r s r w s r w s r s r w s r w s r w s r w s r w s r w s r w s r w s r 1/3 1/3 1/3 p = 6/27
Beschreibende Statistik
Beschreibende Aufgaben der beschreibenden : Erhebung von Daten Auswertung von Daten Darstellung von Daten Erhebung von Daten Bei der Erhebung von Daten geht es um die Erfassung von Merkmalen (Variablen)
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrMATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK
MATHEMATIK MTA 12 SCHULJAHR 07/08 STATISTIK PROF. DR. CHRISTINA BIRKENHAKE Inhaltsverzeichnis 1. Merkmale 2 2. Urliste und Häufigkeitstabellen 9. Graphische Darstellung von Daten 10 4. Lageparameter 1
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrUnivariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66
Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/19 Skalenniveaus Skalenniveau Relation
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrFachrechnen für Tierpfleger
Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrAllgemeine Grundlagen Seite Termin: Eindimensionale Häufigkeitsverteilung
Statistik für alle Gliederung insgesamt Allgemeine Grundlagen Seite 1 1. Termin: Allgemeine Grundlagen 2. Termin: Eindimensionale Häufigkeitsverteilung 3. Termin: Lageparameter 4. Termin: Streuungsparameter
MehrTabellarische und graphie Darstellung von univariaten Daten
Part I Wrums 1 Motivation und Einleitung Motivation Satz von Bayes Übersetzten mit Paralleltext Merkmale und Datentypen Skalentypen Norminal Ordinal Intervall Verältnis Merkmalstyp Diskret Stetig Tabellarische
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
Mehr1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18
3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrKontrolle. Themenübersicht
Themenübersicht Arbeitsblatt 1 Statistik Arbeitsblatt 2 Erheben und Auswerten von Daten Arbeitsblatt 3 Zufallsexperimente Arbeitsblatt 4 mehrstufige Zufallsexperimente Inhalt, Schwerpunkte des Themas Urliste,
MehrGlossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung
Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrDeskriptive Statistik Kapitel VI - Lage- und Streuungsparameter
Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter, hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Ziele 2. Lageparameter 3.
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
Mehr1 Einführung und Grundbegriffe
1 Einleitung Die deskriptive Statistik dient der systematischen Erfassung und Darstellung von Daten, die bestimmte Zustände oder Entwicklungen aufzeigen. Sehr viele Entscheidungen des Alltags, in Wirtschaftsunternehmen
MehrModul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik
Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
MehrStatistik - Übungsaufgaben
Statistik - Übungsaufgaben 1) Eine vor mehreren Jahren durchgeführte Befragung von 30 Arbeitern eines Großbetriebes ergab für die Stundenlöhne folgende Liste: 16,35 16,80 15,75 16,95 16,20 17,10 16,64
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
MehrKurs 2 Stochastik EBBR Vollzeit (1 von 2)
Erwachsenenschule Bremen Abteilung I: Sekundarstufe Doventorscontrescarpe 172 A 281 Bremen Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Name: Ich 1. 2. 3. 4.. 6. 7. So schätze ich meinen Lernzuwachs ein.
MehrBitte bearbeite zunächst alle Aufgaben bevor du einen Blick in die Lösungen wirfst.
Übungsblatt 1 - Häufigkeiten, Mittelwert, Erwartungswert Das erste Übungsblatt ist als Einstieg ins Thema Wahrscheinlichkeitsrechnung gedacht und umfasst die Themen relative/absolute Häufigkeiten, Mittelwert
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrBasistext - Wahrscheinlichkeitsrechnung
Basistext - Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, die in ihrem Ausgang unbestimmt sind. Sie versucht mögliche Ergebnisse der Vorgänge zu quantifizieren.
MehrZufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten
Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt 0 Einführung Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
Mehr1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43
1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,
MehrDeskriptive Statistik
Markus Wirtz, Christof Nachtigall Deskriptive Statistik 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Statistische
MehrPrüfung aus Statistik 1 für SoziologInnen. Musterlösung
Prüfung aus Statistik 1 für SoziologInnen Gesamtpunktezahl =80 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 2 Stunden Musterlösung Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort
MehrDr. Reinhard Vonthein, Dipl. Statistiker (Univ.)
Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.) Reinhard.Vonthein@imbs.uni-luebeck.de Institut für Medizinische Biometrie und Statistik Universität zu Lübeck / Universitätsklinikums Schleswig-Holstein
MehrGrundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler
MehrStochastik (Laplace-Formel)
Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel
MehrStatistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
MehrCharakterisierung der Daten: Sind es genug? Sind alle notwendig? Was ist naturgegeben, was von Menschen beeinflusst (beeinflussbar)?
3 Beschreibende Statistik 3.1. Daten, Datentypen, Skalen Daten Datum, Daten (data) das Gegebene Fragen über Daten Datenerhebung: Was wurde gemessen, erfragt? Warum? Wie wurden die Daten erhalten? Versuchsplanung:
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrGemeinsame Wahrscheinlichkeitsverteilungen
Gemeinsame Wahrscheinlichkeitsverteilungen Worum geht es in diesem Modul? Gemeinsame Wahrscheinlichkeits-Funktion zweier Zufallsvariablen Randverteilungen Bedingte Verteilungen Unabhängigkeit von Zufallsvariablen
Mehr1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK
1 1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK 1.1 Gegenstand der Statistik Die Statistik stellt ein Instrumentarium bereit, um Informationen über die Realität oder Wirklichkeit verfügbar zu machen. Definition
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrSkript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse
Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrVorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
MehrEinführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2014 Hochschule Augsburg : Gliederung 1 Finanzmathematik 2 Lineare Programme 3 Differentialgleichungen 4 Statistik:
MehrÜber den Autor 7 Über den Fachkorrektor 7. Einführung 19
Inhaltsverzeichnis Über den Autor 7 Über den Fachkorrektor 7 Einführung 19 Über dieses Buch 19 Törichte Annahmen über den Leser 20 Wie dieses Buch aufgebaut ist 20 Teil I: Ein paar statistische Grundlagen
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrDr. Barbara Lindemann. Fragebogen. Kolloquium zur Externen Praxisphase. Dr. Barbara Lindemann 1
Dr. Barbara Lindemann Fragebogen Kolloquium zur Externen Praxisphase Dr. Barbara Lindemann 1 Überblick 1. Gütekriterien quantitativer Forschungen 2. Fragebogenkonstruktion 3. Statistische Datenanalyse
MehrInhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
MehrLagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg
Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
MehrDeskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS Lösung Aufgabe 1
1 Deskriptive Statistik Lösungen zu Blatt 1 Christian Heumann, Susanne Konrath SS 2011 Lösung Aufgabe 1 (a) Es sollen die mathematischen Vorkenntnisse der Studenten, die die Vorlesung Statistik I für Statistiker,
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
MehrGrundwissen zur Stochastik
Grundwissen zur Stochastik Inhalt: ABHÄNGIGE EREIGNISSE...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON ERGEBNISSEN...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON MERKMALEN IN VIERFELDERTAFELN...2 ABSOLUTE HÄUFIGKEIT...2
MehrStatistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie
MehrÜbungsaufgaben Einführung in die Statistik SS 2004
Übungsaufgaben Einführung in die Statistik SS 2004 Dr. H. Grunert Franzstraße 49, 06406 Bernburg Tel. 03471-626493, Fax 03471-626496 Email: grunert @ mws-bbg.de I. Grundbegriffe A1) Mit Hilfe einer statistischen
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrDeskriptive Statistik
Dr. T. Deutler Seminar für Statistik UIVERSITÄT MAHEIM Beispiele, Tabellen, Grafiken und Formeln zur Veranstaltung Deskriptive Statistik Übersichtsschema Merkmalarten Merkmalart qualitativ quantitativ
MehrWebinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie
Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.
Mehr3 Lage- und Streuungsmaße
3 Lage- und Streuungsmaße Grafische Darstellungen geben einen allgemeinen Eindruck der Verteilung eines Merkmals, u.a. von Lage und Zentrum der Daten, Streuung der Daten um dieses Zentrum, Schiefe / Symmetrie
MehrZufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrGrundbegriffe (1) Grundbegriffe (2)
Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
Mehr1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?
86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?
Mehr15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
MehrKeine Panik vor Statistik!
Markus Oestreich I Oliver Romberg Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge STUDIUM 11 VIEWEG+ TEUBNER Inhaltsverzeichnis 1 Erstmal locker bleiben: Es längt
MehrDeskriptive Statistik
Fakultät für Humanwissenschaften Sozialwissenschaftliche Methodenlehre Prof. Dr. Daniel Lois Deskriptive Statistik Stand: April 2015 (V2) Inhaltsverzeichnis 1. Notation 2 2. Messniveau 3 3. Häufigkeitsverteilungen
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrHeinz Holling & Günther Gediga. Statistik - Deskriptive Verfahren
Heinz Holling & Günther Gediga Statistik - Deskriptive Verfahren Übungen Version 15.12.2010 Inhaltsverzeichnis 1 Übung 1; Kap. 4 3 2 Übung 2; Kap. 5 4 3 Übung 3; Kap. 6 5 4 Übung 4; Kap. 7 6 5 Übung 5;
MehrPrüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)
2 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik Name, Vorname:... verteilung Teil 1: Beschreibende Statistik Aufgaben
MehrVerteilungen und ihre Darstellungen
Verteilungen und ihre Darstellungen Übung: Stamm-Blatt-Diagramme Wie sind die gekennzeichneten Beobachtungswerte eweils zu lesen? Tragen Sie in beiden Diagrammen den Wert 0.452 an der richtigen Stelle
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
Mehr